百度技术委员会主席吴华：NLP技术要让机器具有人类语言交流能力
“要让人工智能走进人类的生活，就需要让它们具有与人类交流的语言能力。自然语言处理（NLP）是人工智能的核心领域之一，是解决这一问题的核心途径。研究好NLP就能让计算机理解和生成人类语言，以我们熟悉的方式服务人类。”百度技术委员会主席吴华在国际自然语言处理与中文计算会议（NLPCC）上诠释了NLP技术的重要意义。
NLPCC 2017由中国计算机协会（CCF）主办，是具有国际影响力的学术与创新交流平台。百度技术委员会主席、百度自然语言处理部门技术负责人吴华应邀出席，并在会上介绍了百度NLP技术的发展现状和产品应用能力。
吴华表示，百度NLP以大数据和知识图谱为立足点，基于机器学习和语言学方面的积累，拥有一流的文本理解与生成技术，由此构建起问答、机器翻译和对话系统，并以平台化的方式对更多产品进行支持，如NLPC（NLP Cloud）和百度AI开放平台。百度NLP技术已经应用在搜索、信息流、DuerOS等百度的众多产品上。
凭借多年的技术积累，百度研发了一套联合统一的词法分析方案，极大提高了机器正确识别和标注句子中词的概率。吴华表示，词法分析是自然语言处理的基础，其准确程度直接影响后续一系列分析处理任务的效果。百度的这套方案将专名识别（NE Recognition）、分词和词性标注统一在一个框架中，得到语义更合理和完整的词语切分与词性标注序列；另一方面，百度特有的海量点击反馈数据辅助词性标注将词性标注语料从20万迅速扩充到1亿3千万个句子，标记数据精度超过95%，提升了自动分词和词性标注的准确率。
在介绍百度先进的文本理解与生成技术能力时，吴华强调，不同应用对文本理解的程度和解析粒度的要求不同，一套固定的解决方案无法满足所有需求。目前，百度NLP不仅拥有通用的理解技术，更面向不同任务提供相应的文本理解技术，实现更精准的意图理解、推荐、人机对话等。在搜索中，使用基于深度学习模型的多层次语义匹配技术，搜索结果的关联度将大幅提升。例如，在应用深度学习模型前，搜索“水泵忽强忽弱”结果是不相关的，应用之后的关联度大幅提升。而在基于知识库问答和面向任务的对话系统中，使用精细的句法分析和语义角色标注技术，可以准确定位和理解用户意图。
篇章理解是文本理解的另一核心组成，吴华表示，“NLP技术可以通过用户兴趣网络和文档语义网络形成标签图谱，最终得到‘不搜即得’的智能推荐。”该技术以用户兴趣为出发点，依托从搜索、贴吧、百科等不同渠道获得的有明确含义的主题、话题或实体等内容标签，形成可实时更新的关注点标签图谱。在下面这张关注点标签图谱中，“AI”话题与“科技”、“VR”等话题，“乌镇峰会”等事件关联在一起。基于关注点图谱对文档内容进行标注，可以更好地描述用户与文章之间的关系，从用户的视角对篇章进行更合理的分类和有效的推荐。
吴华在现场向观众展示了两首五言绝句，多数人都难以区分哪一首是由百度机器创作的。目前，百度人工智能撰写的文章通过消息推送、资讯流、开放订阅、百家号等途径进行分发，供用户阅读。
基于上述多项技术能力的积累，百度已经构建起问答、对话和机器翻译三大系统。在问答方面，面对用户提出的问题，系统可基于知识图谱加以回答。吴华坦言，没有理解或推理仍是问答领域的巨大挑战，对此，百度日前推出了世界上最大的中文机器阅读理解数据集——DuReader，该数据集基于真实应用需求，所有问题来源于百度搜索用户的真实问题，文档来自全网真实采样的网页文档和知道UGC文档，答案基于问题与文档人工撰写生成，目前拥有20万个问题和100万个文档；同时，数据集标注了问题类型、实体和观点等丰富信息，弥补了现有主流数据集对于观点类问题覆盖不足的问题。
对话系统以基于意图图谱的核心技术与用户进行多轮交互（multi-turn interaction）。吴华说道，目前面向任务的对话模式将不同的任务分发给对应的bot，使任务管理低效而复杂，而意图图谱将所有意图容纳到一张图中，从而能够进行连续一致的对话管理。
吴华表示，百度已经将NLP技术应用在众多百度的产品当中。2015年5月，百度将神经网络机器翻译技术应用到百度在线翻译服务中，推出了全球首个基于深度学习的大规模在线翻译系统。今年，百度还推出了一款兼具Wi-Fi与翻译双重功能的Wi-Fi翻译机，自带80多个国家的移动数据流量，支持实时语音翻译。